围手术期氩气吸入改善颈动脉手术后神经认知恢复
源站描述指出,全球每年实施超过 40 万例颈动脉重建手术,包括颈动脉内膜剥脱术(CEA)和颈动脉支架术,可有效预防血流动力学显著狭窄患者的缺血性卒中,但术后围手术期缺血性脑损伤风险仍存在,约五分之一患者出现隐匿性(“静默”)卒中,其发生率是临床显性事件的十倍,并与认知下降和痴呆风险升高相关,此外还存

基本信息
资源简介
围手术期氩气吸入改善颈动脉手术后神经认知恢复
该数据集来自 clinicaltrials.gov,主题为围手术期氩气吸入改善颈动脉手术后的神经认知恢复,涉及 Carotid Artery Disease 与 Carotid Artery Stenoses。源站描述指出,全球每年实施超过 40 万例颈动脉重建手术,包括颈动脉内膜剥脱术(CEA)和颈动脉支架术,可有效预防血流动力学显著狭窄患者的缺血性卒中,但术后围手术期缺血性脑损伤风险仍存在,约五分之一患者出现隐匿性(“静默”)卒中,其发生率是临床显性事件的十倍,并与认知下降和痴呆风险升高相关,此外还存在“无复流”现象这一危险因素(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Carotid Artery Disease、Carotid Artery Stenoses。目前,全球每年实施超过 40 万例颈动脉重建手术,包括颈动脉内膜剥脱术(CEA)和颈动脉支架术。这些干预措施已被证明可有效预防血流动力学显著颈动脉狭窄患者的缺血性卒中。然而,即使手术在技术上成功,围手术期缺血性脑损伤的风险仍然存在。根据荟萃分析,五分之一接受重建干预的患者出现隐匿性(“静默”)卒中,其发生率是临床显性事件的十倍。此类病变与认知下降和痴呆风险增加相关。另一个危险因素是“无复流”现象——一种微循环再灌注障碍,即使在……之后也会发生
【主题与分类】
主题标签:Carotid Artery Disease、Carotid Artery Stenoses。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07200180
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07200180
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:颈动脉疾病、颈动脉狭窄。目前,全球每年进行超过40万例颈动脉重建手术,包括颈动脉内膜切除术(CEA)和颈动脉支架植入术。这些干预措施已证明能有效预防血流动力学显著的颈动脉狭窄患者的缺血性卒中。然而,即使手术技术上成功,围手术期缺血性脑损伤的风险仍然存在。根据荟萃分析,五分之一患者在重建干预后出现隐匿性(“静默性”)卒中,其发生率比临床显性事件高十倍。此类病变与认知功能下降和痴呆风险增加相关。另一个风险因素是“无复流”现象——即使大血管血流恢复后仍发生微循环再灌注障碍,从而限制了手术血运重建的效果。CEA术后15-30%患者出现的认知障碍和术后谵妄对康复和长期预后产生不利影响。
迄今为止,尚无可靠的药物策略来预防这些并发症。在此背景下,惰性气体作为潜在的神经保护剂引起了广泛关注。氙气虽已证实有效,但受限于高昂成本和工业生产难题。相比之下,氩气易于获取、安全且技术上便于给药。在卒中和缺血-再灌注的临床前模型中,氩气已展现出显著抗凋亡、抗炎和抗氧化作用,这些作用通过调节TLR2/4-、ERK1/2-、Nrf2-和NF-κB依赖性信号通路介导。研究还发现,氩气能够抑制小胶质细胞向M1表型活化并抑制NLRP3炎症小体,从而减轻神经炎症并减少继发性神经元损伤体积。健康志愿者短期吸入氩气已显
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




